MétaCan
Menu
Retour à la cohorte
Enregistrement W4280607108 · doi:10.1080/07055900.2022.2072266

Development of High Resolution Cloud Cover Climatology Databank Using Merged Manual and Satellite Datasets over Ghana, West Africa

2022· article· en· W4280607108 sur OpenAlexvenueno aff
Prince Junior Asilevi, Nana Kofi Opoku, Francisca Martey, Elikem Setsoafia, Felicity Ahafianyo, Emmanuel Quansah, Felicia Dogbey, Stephen Amankwah, Michael Padi

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSatelliteCloud coverCover (algebra)Remote sensingClimatologyCloud computingHigh resolutionGeographyMeteorologyComputer scienceGeologyEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Accurate and reliable total cloud cover (TCC) observation is essential for astronomy, renewable energy resource assessment, climate impact studies, and agriculture. In order to improve the spatial coverage for a climatological distribution pattern of TCC observation across different climatic zones in Ghana – West Africa, this paper developed a merged database comprising ground-based manual TCC observation dataset (TCCM) at 22 tropical synoptic stations and satellite-based TCC dataset retrieved from the NASA Prediction of Worldwide Energy Resource (POWER) climatological archives (TCCN) spanning 30 years (1983–2013) for each dataset. Firstly, the satellite data was assessed statistically for merging with station data. From the results, it is shown that on the overall, the satellite data (TCCN) is a good representation of local TCC climatology comparative to station observation by a mean percentage deviation of 7.8 ± 1.7, and indices of agreement between 0.7 and 0.99 ± 0.01, indicating strong zonal and seasonal similarities. Moreover, the best station-by-station similarities are over the northern half, being predominantly Savannah climate areas, while the southernmost half show the weakest similarities. This can be attributed to a complex interplay of coastal ocean-land-atmosphere interactions obstructing satellite sensing. Finally, the gridded merged dataset established that December–February is the lowest TCC season countrywide, whereas June–August is the highest TCC season, more pronounced over the southern half, being predominantly Forest climate type and showing significant non-linearity with atmospheric clarity indices. The results have useful applications for solar energy resource assessment, crop yield models, and provides a framework for development of cloud property and cloud radiative effect assessment for climate related studies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,239
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetAtmospheric aerosols and cloudsTravaux en français237 207